机器视觉系统与数字图像处理.docx

机器视觉系统与数字图像处理第2章 机器视觉系统与数字图像处理 2.1机器视觉系统 2.11机器视觉系统简介 机器视觉系统是指利用机器替代人眼做出各种测量和判断。机器视觉是工程领域和科学领域中的一个非常重要的研究领域，它是一门涉及光学、机械、计算机、模式识别、图像处理、人工智能、信号处理以及光电一体化等多个领域的综合性学科，其能以及应用范围随着工业自动化的发展逐渐完善和推广，其中母子图像传感器、CMOS和CCD摄像机、DSP、ARM嵌入式技术、图像处理和模式识别等技术的快速发展，有力地推动了机器视觉的发展。机器视觉是一种比较复杂的系统。因为大多数系统监控对象都是运动物体，系统与运动物体的匹配和协调动作尤为重要，所以给系统各部分的动作时间和处理速度带来了严格的要求。在某些应用领域，例如机器人、飞行物体导制等，对整个系统或者系统的一部分的重量、体积和功耗都会有严格的要求。 机器视觉系统通过图像摄取装置将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号。机器视觉系统可以快速获取大量信息，而且易于自动处理，也易于同设计信息以及加工控制信息集成。在生产线上，人来做此类测量和判断会因疲劳、个人之间的差异等产生误差和错误，但是机器却会不知疲倦地、稳定地进行下去；在一些不适合人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉。机器视觉系统就其检测性质和应用范围而言，分为定量和定性检测两大类，每类又分为不同的子类。机器视觉在工业在线检测的各个应用领域十分活跃，如：印刷电路板的视觉检查、钢板表面的自动探伤、大型工件平行度和垂直度测量、容器容积或杂质检测、机械零件的自动识别分类和几何尺寸测量等。此外，在许多其它方法难以检测的场合，利用机器视觉系统可以有效地实现。机器视觉的应用正越来越多地代替人去完成许多工作，这无疑在很大程度上提高了生产自动化水平和检测系统的智能水平 机器视觉系统的优点有：1.非接触测量，对于被检测对象不会产生任何损伤，而且提高了系统能够的可靠性；2.较宽的光谱响应范围，例如使用人眼看不见的红外测量，扩展人眼的视觉范围；3.长时间稳定工作，人类难以长时间对同一对象进行观察，而机器视觉系统则可以长时间地作测量、分析和识别任务。机器视觉系统的应用领域越来越广泛。在工业、农业、国防、交通、医疗、金融甚至体育、娱乐等等行业都获得了广泛的应用，可以说已经深入到我们的生活、生产和工作的方方面面。 2.1.2机器视觉系统的构成和工作过程 一个完整的机器视觉系统包括：照明光源、光学镜头、 CCD 摄相机、图像采集卡、图像检测软件、监视器、通讯单元等，如图2-1所示。 图2-1 典型的机器视觉系统 Fig.2-1 A typical machine vision system 工业机器视觉系统的工作过程主要如下，如图2-2所示： 1、当传感器探测到被捡测物体接近运动至摄像机的拍摄中心，将触发脉冲发送给图像采集卡； 2、图像采集卡根据已设定的程序和延时，将启动脉冲分别发送给照明系统和摄像机； 3、一个启动脉冲送给摄像机，摄像机结束当前的拍照，重新开始一副新的拍照，或者在启动脉冲到来前摄像机处于等待状态，检测到启动脉冲后启动，在开始新的一副拍照前摄像机打开曝光构件；另一个启动脉冲送给光源，光源的打开时间需要与摄像机的曝光时间匹配；摄像机扫描和输出一副图像； 4、图像采集卡接收信号并通过A/D转换将模拟信号数字化，或者是直接接收摄像机数字化后的数字视频数据； 5、图像采集卡将数字图像存储在计算机的内存中； 6、计算机对图像进行处理、分析和识别，获得检测结果； 7、处理结果控制流水线的动作、进行定位、纠正运动的误差等。 光源被检测对象传感器摄像机图像采集卡计算机及检测软件控制单元数字I/O口检测结果图2-2机器视觉系统的工作过程 Fig.2-2 The working principle of Machine vision system 2.2数字图像处理 2.21数字图像处理简介 数字图像处理(Digital Image Processing)即计算机图像处理，指将图像由模拟信号转化为数字信号，并利用计算机对图像进行去噪、增强、复原、分割、提取特征等处理的过程。图像经过处理后，输出的质量得到很大程度的增强，即改善了其视觉效果，又便于计算机完成后续的分析、处理等。 图像是人类获取信息和交换信息的主要来源之一，图像处理已经在人类生活和工作的许多方面得到了广泛的应用并取得令人瞩目的成就，例如航空航天技术、通信工程、生物医学工程、工业检测、文化艺术、军事安全、电子商务、视频和多媒体系统等领域，图像处理已经成为一门前景远大的新型学科。数字图像处理技术虽然已经取得了很多重要的研究成就，但是仍然存在一些困难：信息处理量大。数字图像处理的信息基本上都是以二维形式存在，处理信息量较大，对计算机的速度、存储量等有比较高的要求。频带占用宽。在图像成像、传输、显示等环节的实现上，成本高，技术实现难度大，这就要求更高的频带压缩技术。像素相关性较大。数字图像中每个像素并不是独立的，很多像素有着相同或者接近的灰度，相关性较大，因此信息压缩有很大地提升空间。不能复现有关三维景物的所有几何信息。图像是三维景物的二维投影，所以必须附加新的测量或者合适的假定才能理解和分析三维景物。人为因素的影响大。经过数字图像处理的图像一般是被人观察和分析的，人的视觉系统很复杂，机器视觉系统同样是模仿人的视觉，人的感知机理制约着机器视觉系统的研究。 在工业生产自动化过程中，数字图像处理技术是实现产品实时监控和故障诊断分析最有效的方法之一，随着计算机软硬件、思维科学研究、模式识别以及机器视觉系统等相关技术和理论的进一步发展，将促进这一方法向更高、更深层次发展。 2.2.2 数字图像处理的工具 数字图像处理的应用工具有很多，总体可以分为三类： 第一类工具的共同点是先把图像变换到其他域中进行处理，再变换到原域中进行下一步处理，例如有关图像滤波和正交变换等方法。 第二类工具是直接在空间域中进行图像处理，例如微分方程方法、统计方法等数学方法。 第三类工具和通常在空间域和频域使用的方法不同，是建立在随机集合和积分几何论基础上的运算，例如数学形态运算方法。 2.2.3数字图像处理的研究内容 数字图像处理的研究内容主要有以下几个方面： 1图像变换。为了得到更加简单和方便处理的图像函数，一般要对图像进行图像变换，图像变换的形式主要有光学和数字两种，分别对应连续函数和二维离散运算。常用的方法有傅立叶变换、沃尔什-哈达玛变换、离散卡夫纳勒维变换等间接处理技术。 2图像增强和复原。其目的都是改善图像的质量，提高图像的清晰度。图像增强可以突出预处理图像中所感兴趣信息，常用方法有灰度变换、直方图处理、锐化滤波等。图像复原可以复原被退化的图像，常采用滤波复原的方法。 3图像压缩。这种技术可以除去冗余数据，减少描述图像所需的数据量，实现快速传输和存储图像数据。图像压缩分为有损压缩和无损压缩两种，无损压缩主要用在编档保存等要求图像质量的方面，有损压缩相比前者可以实现更高的压缩程度，但是生成的图像不如原图。 4图像分割。图像分割是把图像内各像素进行分类，将图像细分成若干有意义的子区域，如图像中的区域、边缘等。经过几十年的研究，在借助各种理论的基础上，图像分割的算法现在已经有上千种，但由于这些算法都是针对具体问题提出的，因此尚无通用分割算法。随着各种新技术和新理论的结合，图像分割算法将取得更大地突破和进展。 5图像描述。对被分割出来的区域进行描述，是图像自动化处理的前期步骤，表示区域关系到两个基本选择：用外部特征表示区域和用内部特征表示区域，不管选择何种表示方案都是为了数据便于计算机处理。图像描述的方法有曲线拟合、基于弧长极半径的傅里叶描述子、矩描述、链码。 6图像分类识别。图像识别是按照某些特征对研究对象进行识别，属于模式识别的范畴，其主要内容对预处理后的图像，进行图像分割和特征提取，进而进行识别分类。图像识别一般采用统计识别法、模糊识别法和人工神经网分类方法。 2.3本章小结 本章阐述了机器视觉的理论，分析了其系统特点、构成、工作过程以及应用；阐述了数字图像处理理论，分析了其应用工具、研究内容以及应用。为下一步构建检测系统提供理论依据。